Course catalog

Course duration

Course provider

Topic

Categories

Showing 1-10 of 10 items.

linkedin تسلط بر مدل‌های استدلال: الگوریتم‌ها، بهینه‌سازی و کاربردها (Mitalearn-463570)

  • 1 hours 20 minutes
  • مناسب همه
  • Release date: 6 October 2025
  • Author: Nayan Saxena
درباره این دوره:

این دوره کاوشی جامع از مدل‌های استدلال مدرن ارائه می‌کند، با تمرکز بر نوآوری‌های الگوریتمی که مدل‌هایی مانند DeepSeek R1، OpenAI o1 و جایگزین‌های منبع باز آنها را تقویت می‌کنند. بر چهار رویکرد کلیدی برای ایجاد LLMهای استدلالی مسلط شوید: مقیاس بندی زمان استنتاج، یادگیری تقویتی خالص، SFT+RL و تقطیر دانش. از طریق مثال‌های عینی و غواصی عمیق فنی، نحوه پیاده‌سازی مقیاس‌بندی محاسباتی زمان آزمایش را بیاموزید، مکانیزم بهینه‌سازی خط مشی نسبی گروهی (GRPO) را درک کنید و خطوط لوله استنتاج کارآمدی را برای وظایف استدلال بسازید. در پایان دوره، شما باید هم دانش نظری و هم مهارت‌های عملی برای استفاده از این تکنیک‌های پیشرفته در برنامه‌های کاربردی خود داشته باشید، خواه با منابع در مقیاس سازمانی کار می‌کنید یا بودجه‌های محاسباتی محدودتری.

linkedin تکنیک‌های کوانتیزاسیون پیشرفته برای مدل‌های زبان بزرگ (Mitalearn-449477)

  • 1 hours 10 minutes
  • مناسب همه
  • Release date: 15 January 2026
  • Author: Nayan Saxena
درباره این دوره:

<h3>توضیح</h3> <h4>این دوره در مورد چیست؟</h4> با تمرکز بر الگوریتم‌ها و استراتژی‌های بهینه‌سازی که بهترین عملکرد را ارائه می‌کنند، تکنیک‌های کوانتیزه‌سازی پیشرفته را برای مدل‌های زبان بزرگ کشف کنید. مربی Nayan Saxena با پوشش مبانی ریاضی شروع می‌کند، قبل از اینکه از طریق روش‌های پیشرفته از جمله GPTQ، AWQ و SmoothQuant با مثال‌های عملی در Google Colab پیشرفت کند. در طول مسیر، نکات سریعی را برای تسلط بر مفاهیم مهم مانند فرمت های دقیق، استراتژی های کالیبراسیون و روش های ارزیابی جمع آوری کنید. این دوره با استفاده از اصول نظری و کاربردهای عملی، شما را با مهارت های مورد نیاز برای کاهش قابل توجه اندازه مدل و سرعت بخشیدن به استنتاج و حفظ کیفیت عملکرد مجهز می کند. </p> <h3>اهداف</h3> <h4>تا پایان این دوره چه کاری می توانم انجام دهم؟</h4> <ul> <li>مبانی ریاضی کوانتیزاسیون و تأثیر آنها بر معماری ترانسفورماتور را تجزیه و تحلیل کنید.</li> <li>از تکنیک‌های کوانتیزاسیون پیشرفته از جمله GPTQ، AWQ و SmoothQuant برای LLM استفاده کنید.</li> <li>معادل بین رویکردهای کوانتیزاسیون مختلف را با استفاده از معیارهای مناسب ارزیابی کنید.</li> <li>نتایج کمی سازی را از طریق استراتژی های کالیبراسیون پیشرفته بهینه کنید.</li> <li>روش‌های کوانتیزاسیون را بر اساس معماری مدل و الزامات مورد استفاده مقایسه و انتخاب کنید.</li> </ul></p> <h3>مخاطب</h3> <h4>این دوره برای چه کسانی است؟</h4> <ul> <li>مهندسین یادگیری ماشین</li> <li>تمرین‌کنندگان هوش مصنوعی</li> <li>سرنخ های فنی کار با LLM</li> </ul></p>

linkedin روندهای مدل هوش مصنوعی: جدیدترین چیزی که باید بدانید (Mitalearn-450208)

  • 2 hours 36 minutes
  • مناسب همه
  • Update date: 21 September 2026
  • Author: Ray Villalobos
درباره این دوره:

<p>ارائه‌دهندگان بزرگ هوش مصنوعی مدل‌های جدید را با سرعتی ارسال می‌کنند که ردیابی آن دشوار است. این دوره یک مکان واحد و قابل اعتماد برای درک همه آن در اختیار شما قرار می دهد. هر ویدیو با پوشش OpenAI، Anthropic، Google Gemini، و مدل‌های با وزن باز برتر، موارد جدید را نشان می‌دهد. عملکرد مدل‌ها، نحوه عملکرد ویژگی‌ها، هزینه‌ها و اهمیت به‌روزرسانی‌ها برای پروژه‌های شما را بررسی کنید. موارد استفاده متمرکز بر توسعه‌دهنده، مقایسه‌های معیار، و ارزیابی‌های صادقانه از خطر استهلاک را مرور کنید. منتظر آخرین اخبار باشید - این دوره به طور مرتب به روز می شود تا محتوا را به روز نگه دارد. </p> <p>توجه: از آنجایی که این سریال در حال انجام است، بینندگان گواهی پایان کار دریافت نخواهند کرد.</p>

linkedin ساختن سیستم های پیشنهادی مبتنی بر LLM (Mitalearn-452656)

  • 2 hours 18 minutes
  • مناسب همه
  • Release date: 5 February 2026
  • Author: Rishabh Misra
درباره این دوره:

<h3>توضیح</h3> <h4>این دوره در مورد چیست؟</h4> یک نمای کلی فنی از نحوه شروع ساخت نسل بعدی سیستم های توصیه گر هوشمند دریافت کنید. فراتر از الگوریتم‌های سنتی، این دوره به شما نشان می‌دهد که چگونه سیستم‌های موجود را با استفاده از تکنیک‌های مبتنی بر هوش مصنوعی برای جاسازی تولید، رتبه‌بندی مجدد معنایی و کاهش شروع سرد تقویت کنید. مدرس Rishabh Misra نحوه طراحی معماری های پیچیده بومی GenAI را توضیح می دهد که تجربیات پویا مانند جستجوی مکالمه و توصیه های چندوجهی را امکان پذیر می کند. این دوره بر ارزیابی قوی، از جمله چگونگی اندازه گیری کیفیت، انصاف، و دقت واقعی با استفاده از رویکردهایی مانند تولید افزوده بازیابی (RAG) تاکید می کند. در پایان، شما آماده طراحی، ارزیابی و عملیاتی کردن سیستم‌های توصیه‌کننده مؤثر و مسئولانه GenAI در یک محیط تولید خواهید بود.</p> <p>این دوره با GitHub Codespaces یکپارچه شده است، یک محیط توسعه مبتنی بر ابر که عملکرد کامل IDE را بدون نیاز به تنظیم محلی ارائه می‌کند و تمرین عملی را از هر ماشینی امکان‌پذیر می‌کند.</p> <h3>مدرس</h3> <h4>چه کسی این دوره را تدریس می کند؟</h4> Rishabh Misra یک مهندس اصلی ML در Atlassian است، جایی که او ابتکارات پس از آموزش LLM و شخصی سازی GenAI را رهبری می کند.</p> <h3>اهداف</h3> <h4>تا پایان این دوره چه کاری می توانم انجام دهم؟</h4> <ul> <li>تفاوت‌های بین سیستم‌های توصیه‌گر سنتی و رویکردهای مدرن مبتنی بر GenAI، از جمله تغییر به درک معنایی را بیان کنید.</li> <li>تکنیک‌های کاربردی GenAI مانند تولید جاسازی، رتبه‌بندی مجدد زنجیره‌ای از افکار، و تولید تقویت‌شده با بازیابی (RAG) را برای بهبود عملکرد و قابلیت اطمینان به کار ببرید.</li> <li>معماری‌های سطح بالا را برای سیستم‌های توصیه‌گر بومی GenAI، انتخاب مدل‌ها و زیرساخت‌های مناسب مانند پایگاه‌های داده برداری طراحی کنید.</li> <li>راهبردهای ارزیابی را با استفاده از معیارهای کیفیت، انصاف و دقت واقعی ایجاد کنید.</li> <li>برنامه های عملیاتی برای استقرار، از جمله مدیریت تأخیر، نظارت بر مدل، و یکپارچه سازی خط لوله CI/CD ایجاد کنید.</li> </ul></p> <h3>مخاطب</h3> <h4>این دوره برای چه کسانی است؟</h4> <ul> <li>مهندسین نرم افزار</li> <li>دانشمندان داده</li> <li>مهندسین AI و ML</li> <li>مدیران محصول فنی</li> </ul></p> <h3>پیش نیازها</h3> <h4>چه چیزی باید قبل از شرکت در این دوره بدانم؟</h4> <ul> <li>درک اولیه مفاهیم یادگیری ماشین</li> <li>آشنایی با چارچوب ها و ابزارهای هوش مصنوعی و ML</li> <li>تجربه در مهندسی نرم افزار یا تجزیه و تحلیل داده ها مفید است</li> </ul></p>

linkedin مبانی مدل هوش مصنوعی (Mitalearn-450191)

  • 20 minutes
  • مناسب همه
  • Release date: 24 June 2026
  • Author: Vinoo Ganesh
درباره این دوره:

<p>به فن‌شناس Vinoo Ganesh بپیوندید تا اصول اولیه مدل‌های هوش مصنوعی امروزی، از جمله ChatGPT، Claude، و Gemini را بررسی کنید و آن‌ها را در سناریوهای دنیای واقعی به کار ببرید. بررسی کنید که مدل‌های زبان بزرگ (LLM) چگونه کار می‌کنند، چگونه خروجی‌های شکل‌های تحریک کننده و چرا رفتارهایی مانند توهم رخ می‌دهند. کشف کنید که چگونه شخصی‌سازی بر نتایج تأثیر می‌گذارد و تکنیک‌های عملی برای ارزیابی، تأیید، و اصلاح محتوای تولید شده توسط هوش مصنوعی را بیاموزید.</p><p>درکی از قابلیت‌های هوش مصنوعی، محدودیت‌ها، و ملاحظات اخلاقی، همراه با مهارت‌های تفکر انتقادی برای استفاده مسئولانه از این ابزارها ایجاد کنید. خواه مدیر، بازاریاب، تحلیلگر یا فقط یک یادگیرنده کنجکاو باشید، این دوره به شما کمک می کند هوش مصنوعی را به طور موثر در کیت ابزار حرفه ای خود ادغام کنید.</p>

linkedin مبانی هوش مصنوعی: شروع کار با سیستم های هوشمند (Mitalearn-451041)

  • 1 hours 25 minutes
  • مناسب همه
  • Release date: 11 May 2026
  • Author: Laurence Moroney
درباره این دوره:

اکثر مهندسان هر روز در کنار سیستم‌های هوش مصنوعی کار می‌کنند بدون اینکه کاملاً بدانند این سیستم‌ها چگونه کار می‌کنند - و این شکاف چالش‌های واقعی را هنگام ارزیابی راه‌حل‌ها، ساخت خطوط لوله یا همکاری با تیم‌های علم داده ایجاد می‌کند. در این دوره، به مربی و متخصص هوش مصنوعی Laurence Moroney بپیوندید تا مبانی فنی اصلی را که برای کار با هوش مصنوعی به آن نیاز دارید، تشریح کند. یاد بگیرید که چگونه بین پارادایم‌های هوش مصنوعی تمایز قائل شوید، تشخیص دهید که یک مشکل به رویکرد مبتنی بر یادگیری در مقابل کد سنتی نیاز دارد، و سیستم‌های هوش مصنوعی را با استفاده از معیارهای مناسب و چارچوب‌های ریسک ارزیابی کنید. در طول مسیر، واژگان خود را برای مفاهیم اصلی که یادگیری ماشین مدرن را هدایت می‌کنند، از جمله مدل‌های احتمالی، بهینه‌سازی و تعمیم بسازید. در پایان این دوره، شما به مهارت های مورد نیاز برای تصمیم گیری های فنی آگاهانه در مورد هوش مصنوعی مجهز خواهید شد - چه مهندس اولیه باشید، چه یک متخصص مشتاق ML یا فقط کنجکاو باشید تا در مورد نحوه عملکرد هوش مصنوعی بیشتر بدانید.

linkedin مدل های هوش مصنوعی صورت در آغوش گرفته را اجرا و ارزیابی کنید (Mitalearn-457246)

  • 1 hours 18 minutes
  • مناسب همه
  • Release date: 27 January 2026
  • Author: Kendall Ruber
درباره این دوره:

<p>از آنجایی که سازمان‌ها به طور فزاینده‌ای راه‌حل‌های هوش مصنوعی را اتخاذ می‌کنند، استفاده از مدل‌های از پیش آموزش‌دیده از پلتفرم‌های با کاربری آسان مانند Hugging Face برای استقرار سریع و مؤثر ضروری شده است. با این حال، سهولت پیاده سازی می تواند خطرات قابل توجهی را زمانی که ارزیابی مدل ناکافی است، پنهان کند. در این دوره، به دانشمند و مربی متخصص داده، کندال رابر بپیوندید تا مهارت های حیاتی را برای انتخاب استراتژیک، اجرا، و ارزیابی دقیق مدل های از پیش آموزش دیده برای اطمینان از نتایج قابل اعتماد برای موارد استفاده سازمانی خاص بیان کند.</p>

linkedin هوش مصنوعی محلی: یک مدل RAG از ابتدا با ابزارهای منبع باز بسازید (Mitalearn-462941)

  • 2 hours 21 minutes
  • مناسب همه
  • Release date: 15 October 2025
  • Author: Dr. Alaa Moussawi
درباره این دوره:

در این دوره آموزشی، فیزیکدان و مدرس دکتر علا موسوی شما را به سمت تسلط بر مدل های نسل افزوده بازیابی (RAG) راهنمایی می کند. یاد بگیرید که ربات های هوش مصنوعی سفارشی خود را با ادغام پایگاه های داده برداری با مدل های زبان برای پاسخ های دقیق متنی بسازید. مفاهیم اساسی مانند جاسازی برداری، پردازش پرس و جو و مهندسی سریع را کاوش کنید. نحوه بهینه سازی منابع خود را با اجرای کارآمد مدل های سبک وزن، حتی در سخت افزار محدود، بیاموزید. نحوه تولید جاسازی های برداری موثر و استخراج اطلاعات مرتبط از منابع داده های مختلف را بیابید. از انعطاف‌پذیری نرم‌افزار منبع باز بهره ببرید، زیرا مدل‌ها را با دامنه‌ها یا سبک‌های خاص تطبیق می‌دهید، در حالی که پایگاه دانش ربات خود را سفارشی می‌کنید. به نوآوری و پیشبرد مرزها با هوش افزوده بازیابی ادامه دهید و در این ماجراجویی یادگیری اکتشافی به جامعه منبع باز پر جنب و جوش بپیوندید.

linkedin یادگیری تقویتی برای تراز و استدلال LLM توسط پیرسون (Mitalearn-467684)

  • 3 hours 46 minutes
  • مناسب همه
  • Release date: 1 May 2026
  • Author: Pearson
درباره این دوره:

<p>پیش‌آموزش به LLMها قابلیت می‌دهد، نه قضاوت. در این دوره، یاد بگیرید که چگونه تکنیک‌های یادگیری تقویتی مانند بهینه‌سازی اولویت مستقیم (DPO) و بهینه‌سازی خط مشی نسبی گروهی (GRPO) رفتار مدل، ایمنی و استدلال را شکل می‌دهند و چگونه سیستم‌های ارزیابی و حاکمیتی را ایجاد کنید که همسویی را در مسیر نگه می‌دارند. این دوره برای توسعه دهندگان، دانشمندان داده و مهندسان ML که در حال تنظیم دقیق یا به کارگیری LLM هستند و می خواهند ایمنی، اثربخشی و قابلیت های استدلال خود را بهبود بخشند، مناسب است.</p><p>توجه: این دوره توسط Pearson ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.</p>

linkedin یادگیری ماشین در برنامه های کاربردی موبایل (Mitalearn-463043)

  • 4 hours 17 minutes
  • مناسب همه
  • Release date: 25 July 2024
  • Author: Kevin Ford
درباره این دوره:

درک عالی از توسعه نرم افزار همیشه به درک کاملی از چیستی یادگیری ماشین یا نحوه عملکرد آن منتقل نمی شود. یادگیری ماشینی را می توان در طیف گسترده ای از سناریوها در توسعه موبایل استفاده کرد. در این دوره، کوین فورد، رهبر تمرین توسعه، این سناریوها را بررسی می‌کند و اینکه توسعه‌دهندگان چگونه می‌توانند یادگیری ماشین را در برنامه‌های موبایل خود پیاده‌سازی کنند. پس از یک آغازگر مفید در مورد یادگیری ماشینی که مخصوص توسعه موبایل است، به مدل‌های سرور مانند Watson و Azure و همچنین مدل‌های کلاینت مانند Core ML و ML Kit بروید. بعلاوه، درک خود را از پیشنهادهایی که در حال حاضر در دسترس هستند ایجاد کنید.

Suggestions